基于学习的缆驱手术机器人关节标定中特征的消融研究
机器人学
2023-02-16 v2
摘要
随着全球范围内的应用，数以百万计的手术由手术机器人辅助完成。许多手术机器人上的缆驱机构实现了灵活、轻量且紧凑的机械臂与工具。然而，缆绳的松弛与拉伸以及齿轮的回差，引入了从电机位姿到关节位姿的不可避免误差，并由此传递至末端执行器的位姿与朝向。本文提出一种基于深度神经网络的学习型标定方法，将关节 1、2、3 的空载位姿 RMSE 分别降至 0.3003 deg、0.2888 deg、0.1565 mm，负载位姿 RMSE 分别降至 0.4456 deg、0.3052 deg、0.1900 mm。随后，进行了移除消融与不准确消融，以研究 DNN 模型的哪些特征有助于标定精度。结果表明，原始关节位姿与电机扭矩是最为重要的特征。对于关节位姿，移除消融显示 DNN 模型可从末端执行器位姿与朝向上推导该信息。对于电机扭矩，其方向远比幅值重要。
引用
@article{arxiv.2302.04999,
title = {Ablation Study on Features in Learning-based Joints Calibration of Cable-driven Surgical Robots},
author = {Haonan Peng and Andrew Lewis and Blake Hannaford},
journal= {arXiv preprint arXiv:2302.04999},
year = {2023}
}